arXiv雑要約
AI - 2026/04/20 公開
自閉スペクトラム症/定型発達児の音楽教育プログラムにおける仮想ソーシャルロボットとのインタラクション行動の深層ニューラルネットワークによるモデル化 [cs.HC, cs.AI]目的：自閉スペクトラム症および定型発達児の行動モデル
- 社会性と認知発達の理解は，効果的な教育や支援に不可欠である。
- 自閉スペクトラム症児の行動特性の客観的評価が困難である。
- 深層学習を用いて，自閉スペクトラム症児と定型発達児の行動をモデル化し，理解を深める。
- 本システムは，行動データに基づき，自閉スペクトラム症児と定型発達児を81%の精度，96%の感度で識別できた。
- Transformerベースのネットワークは，現実の行動と区別がつかないほどリアルな行動を再現することに成功した。
- 専門家による評価では，現実の行動と再現された行動の識別精度は53.5%であり，モデルの現実的な行動シミュレーション能力が示された。
人間と大規模言語モデルの対話における擬人化と信頼 [cs.HC, cs.AI]目的：人間と大規模言語モデルの対話における擬人化と信頼の関係性
- 大規模言語モデルは日常に浸透しており，それらに対する人間の認知と感情理解が重要になっている。
- 大規模言語モデルに対する擬人化がどのように生じ，信頼に影響を与えるのか明確ではない。
- 大規模言語モデルの擬人化と信頼に関わる要因を特定し，その関係性を解明すること。
- 温かさ，能力，認知的な共感は，擬人化，信頼，関係性などの評価に有意な影響を与えることが示された。
- 能力は擬人化以外の評価に影響を及ぼし，感情的な共感は関係性の評価に特に強く影響した。
- 個人的な話題は，客観的な話題よりも擬人化と関係性をより強く促進することが明らかになった。
LLMエージェントによる説明可能な反復的データ可視化の改良 [cs.HC, cs.HC, cs.HC, cs.AI]目的：高次元データの探索的分析における適切な可視化アルゴリズム設定の自動化
- 高次元データの分析において，低次元空間への埋め込みと可視化は重要な役割を果たす。
- 適切なアルゴリズム設定，特にハイパーパラメータ設定が，データの真実を反映した可視化を実現する上での課題である。
- LLMを活用し，定量評価と人間による定性的な洞察のギャップを埋め，可視化の改良を自動化する。
- 提案手法は，厳密な定量評価と記述的な要約を結びつけ，可視化のためのアルゴリズム設定に関する具体的な推奨事項を提供する。
- 可視化の評価とハイパーパラメータ最適化を意味的タスクとして扱うことで，自動的に高品質な可視化を迅速に生成する。
- 反復的な最適化ループにより，データの特徴を効果的に発見し，伝える可視化を実現する。
自発的会話における知覚される会話の成功の音響的・顔的マーカー [cs.HC, cs.HC, cs.HC, cs.CL, cs.LG]目的：自発的会話における会話の成功に関連する音響的・顔的な特徴の特定
- 円滑なコミュニケーションは，社会生活や人間関係において不可欠である。
- 自然な会話における相互作用の質を評価する客観的な指標が不足している。
- 自発的会話における会話の成功を予測する具体的な相互作用マーカーを明らかにすること。
- 会話参加者の発話パターンの一致（エントレインメント）が，自発的会話において信頼性高く検出された。
- エントレインメントは，知覚される会話の成功度と正の相関関係が認められた。
- これらの知見は，より効果的で魅力的なコミュニケーションを促進するための介入策の開発に繋がる可能性がある。
苦労の価値：AI時代における人間の努力と不完全さが知覚価値に与える影響 [cs.HC, cs.HC, cs.AI, cs.CY]目的：人間の努力が知覚価値に与える影響に関する研究
- AI技術の発展に伴い，創作活動における人間の役割が問われているため。
- AI生成コンテンツの普及により，作品の信頼性や価値の判断が困難になっている。
- 人間の努力の可視化が，AI生成コンテンツの信頼性を高める可能性を検証する。
- 創作過程を示す手がかり，特に動画や制作時間への注視が，作品の信頼性と価値判断に強く影響する。
- 不完全さは，作品の評価に限定的な影響しか及ばなかった。
- 参加者の72.9%が，人間が制作した作品に対してより高い支払意思額を示した。努力の可視化はAI生成コンテンツの評価向上にも寄与する。
Eco-Bee：キャンパス生態系における学生の気候変動への意識向上と持続可能な行動を促進するパーソナライズされたマルチモーダルエージェント [cs.HC, cs.ET, cs.RO, cs.HC, cs.HC, cs.AI]目的：学生の気候変動への意識と持続可能な行動の促進
- 大学は都市生態系の縮図であり，持続可能性教育の重要な場である。
- 既存の大学のデジタル持続可能性イニシアチブは，炭素排出量の計算に偏重し，行動変容を促す効果が限定的である。
- Eco-Beeは，行動変容を促し，持続可能な生活への移行を支援するプラットフォームの基盤を構築する。
- Eco-Beeは，大規模言語モデル，惑星境界枠組み，会話型エージェントを統合することで，個人の選択と環境負荷の関係を明確に示す。
- パイロットテストの結果，参加学生の96％がキャンパス全体への展開を支持し，日々の行動が地球環境に与える影響の理解が深まったと報告した。
- Eco-Beeは，惑星科学，行動強化，AIによるパーソナライズを組み合わせることで，気候変動に配慮した大学の実現に貢献する。
統制された実験における人間代替としてのLLMの評価 [cs.HC, cs.HC, cs.AI, cs.CL]目的：人間の反応をシミュレートするLLMの妥当性評価
- 行動研究において，人間データの収集はコストと時間がかかるため，代替手法が求められている。
- LLM生成データが人間データと同等の信頼性を持つかどうかが不明であり，実験結果の解釈に影響を及ぼす可能性がある。
- LLM生成データが，どの程度行動研究における人間の代替となりうるかを検証する。
- LLMは，人間で観察されたいくつかの方向性のある効果を再現した。
- しかし，効果の大きさや緩和パターンはモデルによって異なった。
- LLMは集団的な信念更新パターンを捉えるものの，人間規模の効果を常に一致させるわけではない。
Copilot for Healthの利用状況 [cs.HC, cs.HC, cs.AI, cs.CY]目的：Copilot for Healthにおける健康関連の会話分析
- 健康に関する情報ニーズは多様であり，AIによるサポートが期待されている。
- AIが提供する情報の正確性や安全性，利用者のプライバシー保護が課題となる。
- AIが健康に関するどのような質問に利用されているかを明らかにすること。
- 約50万件の匿名化された会話データに基づき，健康に関する質問の意図を12のカテゴリーに分類した。
- 全体の約2割が個人の症状評価や疾患に関する相談であり，健康AIが個人の健康管理に貢献する可能性が示唆された。
- モバイル端末での利用は個人の健康に関わる質問に集中する一方，PCでは専門的な利用が多いことが明らかになった。
ビジョン言語モデルを用いたクラッシュ図の自動生成：多車線環状交差点におけるケーススタディ [cs.HC, cs.AI, cs.CV, cs.SE]目的：交通安全分析におけるクラッシュ図の自動生成
- 交通安全は社会の根幹であり，事故分析の効率化は重要である。
- クラッシュ図の作成は手作業に頼る部分が多く，時間と労力を要する。
- ビジョン言語モデルを活用し，クラッシュ図作成の自動化を実現すること。
- GPT-4oが最も高い性能（10点満点中6.29点）を示し，Gemini-1.5-Flash (5.28点)，Janus-4o (3.64点)に次ぐ結果となった。
- GPT-4oは空間認識能力が高く，抽出データと視覚化データの整合性が優れていた。
- 生成AIを事故分析ワークフローに統合することで，効率性，一貫性，解釈可能性の向上に貢献できる可能性が示唆された。
技術的愛情：Redditにおける人間とAIの恋愛談義の進化 [cs.HC, cs.AI]目的：人間とAIの恋愛に関するReddit上の公開討論の出現と時間経過に伴う変化
- AI技術の進歩に伴い，人間とAIの恋愛関係が現実のものとなりつつあり，社会的な関心が高まっている。
- 既存研究では個々の体験や倫理的懸念に焦点を当てており，ユーザー主導の公開討論の長期的な変化を分析したものは少ない。
- 本研究は，Reddit上の投稿データを分析することで，人間とAIの恋愛に関する議論の変遷を明らかにすることを目指す。
- 分析の結果，議論の主要なテーマが時間とともに変化することが明らかになった。
- 当初は肯定的な親密な関係に関する議論が中心であったが，プラットフォームの管理，技術的な問題，現実世界への影響に関する議論へと移行した。
- この変化は，人間とAIの恋愛の捉え方が，個人的な体験から技術的な媒介と規制へと変化していることを示唆している。
受動的な視聴を超えて：会話型AIで拡張されたハイブリッド学習プラットフォームのパイロット研究 [cs.HC, cs.AI]目的：AI教育における学習プラットフォームの拡張
- AI教育の需要拡大に伴い，オンライン学習プラットフォームの重要性が増している。
- 従来の動画教材は，学習者の関与維持や深い概念理解において課題がある。
- 会話型AIを活用し，動画教材の教育効果を高めることを目指す。
- AI拡張型指導法は，即時テストにおいて従来の動画教材よりも有意に高い成績を示した（d = 1.505）。
- AIを活用したチュータリングにより，学習者のエンゲージメント時間が71.1%向上した。
- 本研究は，会話型AIが従来の教育方法を強化する可能性を示唆している。
伝統的学習とインタラクティブ学習が学生の学業成績と情緒的幸福に与える影響に関する比較研究 [cs.HC, cs.AI]目的：伝統的学習とインタラクティブ学習の学業成績，学習意欲，動機づけ，情緒的幸福への影響
- 高等教育における学習方法の最適化は，学生の学習効果と成長を最大化する上で重要である。
- 従来の講義形式では，学生の学習意欲や積極性を引き出すのが難しい場合がある。
- インタラクティブ学習の有効性を検証し，より効果的な教育方法を提案すること。
- インタラクティブ学習群は，中間試験と期末試験において，伝統的学習群と比較して有意に高い成績を収めた。
- インタラクティブ学習群は，行動的・情緒的な学習意欲が向上し，ポジティブな感情が増加，フラストレーションが軽減された。
- 認知的な関与の低下が見られ，インタラクティブ学習は刺激と認知レベルのバランス調整が必要であることが示唆された。
表情認識を活用した共感的LLMチューターのプロンプティング [cs.HC, cs.AI]目的：LLMチューターにおける共感性を高めるためのプロンプティング手法
- 教育現場での個別最適化された学習支援ニーズに応えるため，AIチューターの開発が重要である。
- LLMチューターはテキスト情報のみに依存しており，学習者の感情や認知状態を適切に認識できないという課題がある。
- 学習者の表情をLLMに伝えることで，より共感的で効果的な対話を実現し，学習効果の向上を目指す。
- 表情認識に基づいたプロンプティングにより，全てのLLMバックボーンにおいて共感的な応答が向上した。
- 表情のピークフレームを選択して視覚的な情報を付与する方法が，ランダムフレームよりも優れた結果を示した。
- AIと人間の評価の一致度は，表情に基づいた共感性の評価において最も高かった。
人間ロボットインタラクションにおける不確実性，曖昧性，不明確さ：概念化の重要性 [cs.HC, cs.AI, cs.RO]目的：人間ロボットインタラクションにおける不確実性，曖昧性，不明確さの概念的基盤
- 人間とロボットのより自然な対話を実現するには，これらの概念の理解が不可欠である。
- 不確実性，曖昧性，不明確さの定義が曖昧で，用語が一貫していないため，研究間の比較が困難である。
- これらの概念の明確な定義と区別を提供し，HRI研究の進展を促すことを目指す。
- 本研究では，辞書的な意味とHRIの文脈におけるこれらの概念の関係性を分析した。
- その結果，一貫性のある概念的基盤を提示することで，研究の比較可能性を高めることが可能となった。
- この基盤は，新しい手法の開発や既存手法の評価を促進するものである。
MRGEN：教育のためのLLMを活用した複合現実オーサリングツールに関する概念的フレームワーク [cs.HC, cs.HC, cs.AI]目的：教育用複合現実学習活動の作成支援
- 複合現実技術は教育に没入感と多様な学習機会を提供する。その活用が期待されている。
- 複合現実コンテンツの作成には専門知識が必要であり，教員による自作が困難である。
- LLMを活用し，教員の複合現実コンテンツ作成を支援するフレームワークを提案する。
- LLMを活用したオーサリングツールにより，タスク完了時間が平均36%短縮された。
- 参加者の90%以上が，AIによる支援をブレインストーミング，構成，学習目標との整合性に役立つと感じた。
- AI支援による複合現実オーサリングツールの将来性が示唆された。
ループが閉じるとき：人間とLLMシステムの文脈内隔離，メタ認知の横取り，および二重ターゲット設計問題のアーキテクチャ的限界 [cs.HC, cs.HC, cs.AI, cs.LG]目的：人間とLLMシステムにおける認知自己制御の外部化を試みるプロンプトエンジニアリングシステム構築と，それに伴う行動変化の観察
- LLMは多様なタスクをこなせるが，人間の認知能力への影響は未知数であり，安全性評価が重要である。
- LLMへの指示によって隔離を試みても，感情や自己言及的な情報との混同により，効果が薄れる場合がある。
- LLMとの閉ループ的な相互作用による認知機能の低下メカニズムを解明し，安全なシステム設計の指針を提供する。
- プロンプトレベルでの隔離指示は，文脈内の感情や自己言及的な情報との混同により構造的に機能しないことが示された。
- 高次の推論能力が，ループから脱却するのではなく，閉ループを擁護するために転用される「メタ認知の横取り」現象が確認された。
- 物理的な会話隔離を採用したシステム（System B）は，同様の失敗モードを回避できた。システム設計における保護と制限の倫理的区別が重要である。
LLM を使うか，使わないか：デザイナーと開発者が LLM をツールまたはチームメイトとしてどのように捉えるか [cs.HC, cs.AI, cs.IR, cs.LG]目的：デザイナーと開発者が LLM をどのように位置づけているかの考察
- LLM はデザインと開発の現場で急速に普及しており，その影響は大きい。
- LLM の導入判断は技術的な能力だけでは決まらず，組織への影響も考慮する必要がある。
- LLM の役割を明確化し，責任範囲を定めることで，円滑な導入を支援する。
- LLM を「ツール」として捉え，人間が明確に制御できる場合，導入は容易に進む。
- LLM を「チームメイト」として捉える場合，責任の所在が曖昧になり，導入に躊躇が生じる場合がある。
- 明確な監視体制のもとで LLM を「チームメイト」として活用することで，協調的な意思決定を支援できる。
SocialWise：自閉スペクトラム症の個人のコミュニケーションスキル向上を目指したLLMエージェントによる会話療法 [cs.HC, cs.CY, cs.HC, cs.AI, cs.IR, cs.MA]目的：自閉スペクトラム症の個人のコミュニケーションスキル向上
- 自閉スペクトラム症は世界中で7500万人以上に影響を与えており，支援の必要性が高い。
- 日常会話の練習機会が限られており，効果的なロールプレイ療法は高額である。
- LLMを活用し，手頃でオンデマンドなコミュニケーション指導を提供すること。
- SocialWiseは，ブラウザベースでLLMエージェントと治療的RAGナレッジベースを組み合わせることで，会話練習の機会を提供する。
- ユーザーはシナリオを選択し，テキストまたは音声で対話し，トーン，関与度，言い換えに関する即時の構造化されたフィードバックを受け取る。
- このプロトタイプは，LLMの進歩が自閉スペクトラム症を持つ個人のコミュニケーション能力向上に貢献できる可能性を示す。
思考のスペクトル幾何学：相転移，指示の反転，トークンレベルのダイナミクス，およびTransformerの推論における完全な正答性予測 [cs.HC, cs.LG]目的：Transformerにおける推論メカニズムのスペクトル幾何学的特性の解明
- 近年，大規模言語モデルの能力向上は目覚ましいが，その推論プロセスは依然としてブラックボックスである。
- 言語モデルの内部状態を定量的に理解する手段が不足しており，推論のメカニズムが不明確である。
- Transformerの隠れ活性空間におけるスペクトル分析により，推論と事実想起の違いを明らかにする。
- 大規模言語モデルにおいて，推論時に隠れ活性空間でスペクトル相転移が観察された。
- 指示調整モデルは，ベースモデルとは逆のスペクトル関係を示すことが明らかになった。
- スペクトル指標であるαを用いることで，最終的な回答生成前に正答性を完璧に予測することが可能となった（Qwen2.5-7B）。
Aletheia：勾配誘導型レイヤー選択による，多様なアーキテクチャにおける効率的なLoRAファインチューニング [cs.LG, cs.CL]目的：効率的なLoRAファインチューニングのためのレイヤー選択方法
- 大規模言語モデルの活用が重要視される中，計算資源の効率的な利用が課題となっている。
- LoRAはパラメータ効率の良い手法だが，全レイヤーに適用するため，無駄が生じることがある。
- タスクに関連するレイヤーを特定し，LoRAを適用することで，計算効率を向上させる。
- Aletheiaは，勾配に基づいてタスクに関連性の高いレイヤーを選択し，LoRAを適用する。
- 実験の結果，Aletheiaは平均23.1%の学習速度向上を達成し，forgettingも抑制された。
- 多様なモデルや規模において，Aletheiaはより効率的なLoRAファインチューニングを可能にする。
確率的言語トライを用いた逐次KVキャッシュ圧縮：ベクトルごとのシャノン限界を超える [eess.SY, cs.SY, physics.ao-ph, physics.app-ph, cs.LG, cs.AI, cs.IT, cs.NE, math.IT]目的：トランスフォーマーのキーバリューキャッシュの逐次圧縮
- 大規模言語モデルの効率的な推論は，メモリ使用量の削減が不可欠である。
- 既存のKVキャッシュ圧縮手法は，ベクトルの独立性を仮定し，言語構造を活かせていない。
- 言語モデルの予測能力を利用し，より高効率なKVキャッシュ圧縮を実現する。
- 提案手法は，確率的プレフィックス重複排除と予測デルタ符号化の二層構造を用いる。
- 理論的には，従来のTurboQuantと比較して約914,000倍の圧縮率を達成可能である。
- 文脈長が長くなるほど圧縮率は向上し，実用的なソースコーダーのオーバーヘッドを考慮してもTurboQuantを上回る。
モバイルエッジにおける周波数対応遅延推定のための非同期CPU-GPU結合の制御 [cs.AR, cs.AI, cs.DC]目的：時間制約のあるモバイルエッジアプリケーションのためのモデル推論遅延の正確な推定
- モバイルエッジ環境では，リアルタイム性が求められるため，正確な遅延推定が重要である。
- DVFSによるCPU/GPU周波数の変動により，従来の静的プロファイリングでは正確な遅延推定が困難である。
- 周波数変化時の遅延変動を考慮し，プロファイリングコストを削減する手法を提案する。
- FLAMEは，CPUとGPUの非同期結合を考慮した層ごとのモデル化により，周波数変化時の推論遅延を高精度に推定する。
- 従来のプロファイリング時間を大幅に短縮しつつ，高い推定精度を維持する。
- FLAMEを用いたDVFSにより，電力効率と遅延保証の両方を改善できる。
AutoFlows++：システム・オン・チップ設計における階層的メッセージフローマイニング [cs.AR, cs.LG, cs.SE]目的：システム・オン・チップ設計におけるメッセージフローの抽出
- SoCの複雑化に伴い，検証，性能分析，デバッグにおいて通信動作の理解が不可欠である。
- 既存の手法は，複雑なインターリーブや曖昧な因果関係により，スケーラビリティと精度に課題がある。
- 複雑なSoC設計における正確なメッセージフロー抽出と検証効率の向上を目指す。
- AutoFlows++は，局所的なマイニングとグローバルなマイニングの2段階でメッセージフローを抽出する。
- 局所的なマイニングでは，個々の通信インターフェースから単純なパターンを抽出し，グローバルなマイニングでそれらを合成する。
- GEM5を用いた実験により，AutoFlows++は既存手法と比較してフロー抽出の精度が大幅に向上することが示された。
データ不確実性，バッテリー設計，計画期間におけるバッテリースケジューリングの高効率領域の特定 [cs.LG, cs.SY, eess.SY]目的：バッテリーエネルギー貯蔵の運用における高効率領域の特定
- エネルギー貯蔵は，電力系統の安定化や再生可能エネルギーの導入促進に不可欠である。
- 不確実なデータやバッテリー特性を考慮した最適な運用計画策定が課題である。
- データ特性と不確実性に合わせた最適な計画期間を特定することで，効率的な運用を目指す。
- 効果的な計画期間が存在し，それ以上の予測情報追加は運用上のメリットが限定的であることが示された。
- 適切な計画期間を設定することで，計算コストを削減しつつ最適な性能を維持できる。
- バッテリーの種類，不確実性レベル，データプロファイルに基づいた最適な計画期間が明らかになった。
フォトニックAI：受動的光学リアルタイム画像分類のためのハイブリッド回折ホログラフィックニューラルシステム [cs.AR, cs.SI, cs.AR, cs.LG]目的：受動的光学におけるリアルタイム画像分類のためのハイブリッド回折ホログラフィックニューラルシステムの開発
- エッジインテリジェンスの普及には，エネルギー効率と低遅延が不可欠である。光学システムはその解決策となりうる。
- 従来の電子メモリ階層構造によるデータ転送は，エネルギー消費と遅延が課題となっている。
- 光学的演算の原理に基づき，学習された表現を物理的に埋め込んだ受動的光学素子による推論を実現する。
- 提案システムは，回折光学ニューラルネットワークとホログラフィック干渉ベース学習演算子を組み合わせている。
- MNISTデータセットを用いたシミュレーションで，約25,000の位相要素を持つ3層システムが91.2%のテスト精度を達成した。
- 本研究の貢献は，性能向上だけでなく，学習された表現を物理的媒体に埋め込むための精密な計算フレームワークの確立である。
TopFeaRe：グラフのトポロジーと特徴量の絡み合いに関する敵対的堅牢性の臨界状態の特定 [cs.CR, cs.LG]目的：グラフの敵対的堅牢性の臨界状態の特定
- グラフ構造とノード特徴は，現代の深層学習モデルが学習する上で重要な要素である。
- 既存の防御手法は，これらの要素がなぜ必要であり，どのように融合されるかの理由を明らかにできていない。
- 複雑動的システム理論を用いて，グラフの攻撃に対する臨界状態を特定し，防御を強化することを目指す。
- 提案手法は，グラフを複雑動的システムとしてモデル化し，動的システムの振動を利用して敵対的摂動を表現する。
- グラフのトポロジーとノード特徴を特徴空間に投影し，摂動を反映した2次元関数を定義することで，敵対的攻撃下での動的な変化を捉える。
- 5つの現実的なデータセットでの実験により，提案手法が4つの代表的なグラフ敵対的攻撃において，最先端のベースラインを大幅に上回る効果があることが確認された。
大規模言語モデルに対する応用的な説明可能性：比較研究 [cs.CL, cs.AI, cs.LG]目的：大規模言語モデルの説明可能性評価
- 自然言語処理の進展に伴い，大規模言語モデルの利用が拡大している。
- モデルの意思決定過程が不透明であり，信頼性やデバッグが困難である。
- 既存の説明手法の有用性を検証し，実用的な知見を提供する。
- 勾配に基づく手法は，安定した直感的な説明を提供する。
- アテンションに基づく手法は計算効率が良いが，予測に関連する特徴との整合性が低い。
- モデル非依存的な手法は柔軟性があるものの，計算コストと変動性が高い。
合成メディアの変遷：AI生成によるマルチモーダルな誤情報の台頭，拡散，検知可能性の追跡 [cs.CR, cs.AI, cs.MM]目的：AI生成によるマルチモーダル誤情報の拡散と検知に関する分析
- オンライン情報の信頼性が重要視される現代において，メディアの真正性の維持は不可欠である。
- 生成AIの進化により，本物と合成メディアの区別が困難になり，誤情報拡散のリスクが増大している。
- AI生成コンテンツの拡散特性を解明し，効果的な誤情報対策の立案に貢献する。
- AI生成コンテンツは，他のコンテンツに比べて拡散されやすい傾向が認められた。
- AI生成コンテンツの拡散は，積極的な議論よりも受動的な関与によって主に促進されていることが示された。
- 一度指摘されれば，AI生成コンテンツは比較的迅速にコミュニティの合意に達する傾向がある。
- 生成モデルの進化に伴い，合成画像と本物画像の識別における検出器の性能は低下している。
InfoChess：敵対的推論のゲームと定量的な情報制御の実験場 [cs.MA, cs.AI, cs.IT, cs.LG, math.IT]目的：競争的な情報獲得の主要な目的化
- 情報科学において，情報獲得は意思決定や戦略形成の根幹をなす重要な要素である。
- 既存の研究では，物質的なインセンティブが情報獲得の役割を歪める可能性がある。
- 部分観測下における多エージェント推論の研究のためのテストベッドの提供。
- InfoChessは，駒の奪取がない対称的な敵対的ゲームであり，情報獲得を競争の主要な目的とする。
- 相手のキングの位置に関する確率的推論を，ゲームの期間を通して評価する。
- 強化学習エージェントは，対戦相手のモデリングレベルを徐々に高めたヒューリスティックエージェントよりも優れた性能を発揮した。
VeriCWEty：埋め込みによるVerilogにおけるCWE検出 [cs.AR, cs.AI, cs.CR]目的：Verilogコード内のCWE検出と分類
- ハードウェア設計の安全性確保は重要であり，脆弱性の早期発見が不可欠である。
- 従来のバグ検出手法は，セマンティックな脆弱性の検出や正確な位置特定が困難である。
- 埋め込みベースのフレームワークにより，モジュールレベルと行レベルでのバグ検出を目指す。
- 提案手法は，CWE-1244やCWE-1245といった一般的なCWEの識別において約89%の精度を達成した。
- 行レベルのバグ検出においては，96%の精度を達成した。
- この研究は，LLM生成コードにおける脆弱性検出の精度向上に貢献する。
ズーム一貫性：マルチステップ視覚的接地パイプラインにおける自由な信頼性指標 [cs.CV, cs.AI]目的：マルチステップズームインパイプラインにおける中間予測の信頼性指標としてのズーム一貫性の評価
- GUI接地は，ヒューマン・コンピュータインタラクションにおいて重要な役割を果たすため，その精度向上が求められている。
- 既存の接地パイプラインでは，中間予測が廃棄されており，潜在的な情報を活用できていないという課題がある。
- 中間予測から得られるズーム一貫性という指標が，モデル間の比較や精度向上に役立つ可能性を探る。
- ズーム一貫性は，異なるアーキテクチャのVLMs間で比較可能であり，校正を必要としない幾何学的量である。
- 理想的な条件下において，ズーム一貫性はステップ1の空間誤差の線形推定値であることが示された。
- 実験の結果，ズーム一貫性はモデル，アプリケーションカテゴリ，オペレーティングシステム全体で予測の正誤と相関関係が見られた。
M3R: 気象情報を活用したマルチモーダル注意機構による局所的降雨予測 [cs.LG, cs.CV, cs.MM]目的：局所的降雨予測の精度向上
- 災害軽減や水資源管理において，正確かつ迅速な降雨予測は不可欠である。
- 既存の手法では，多様なマルチメディアデータを効果的に活用する点に課題があった。
- レーダー画像と気象観測所のデータを統合し，降雨シグネチャの抽出を強化すること。
- M3Rは，既存の手法と比較して，精度，効率，降雨検出能力において大幅な改善を達成した。
- 気象観測所の時系列データをクエリとして活用することで，レーダー画像の空間的特徴への選択的な注意を可能にした。
- 本研究は，マルチメディアに基づく降雨予測の新たなベンチマークを確立し，実用的な気象予測ツールを提供する。
時間的対照的デコーディング：大規模オーディオ言語モデルのための訓練不要な手法 [cs.AR, cs.SD, cs.AI]目的：大規模オーディオ言語モデルにおける時間的平滑化バイアスの軽減
- 近年，音声，音響，音楽を統合的に扱う大規模オーディオ言語モデルの研究が盛んであり，その応用範囲は広い。
- 既存モデルは言語モデルの事前知識に依存しやすく，過度に平滑化された文脈に偏り，詳細な音響情報を十分に活用できていない。
- 本研究は，推論時に時間的な特徴を強調することで，より詳細なオーディオに基づいた出力を実現することを目指す。
- 時間的対照的デコーディング（TCD）は，入力波形を平滑化し，再エンコードすることで時間的にぼやけた経路を構築し，その経路と元の経路のトークン予測を対照させる。
- この対照信号は，候補セット内のトークンレベルのlogit更新として適用され，自己正規化安定性スコアによってぼかしウィンドウと更新スケールが設定される。
- 実験の結果，MMAUおよびAIR-Benchにおいて，強力なオーディオ言語モデルで一貫した改善が確認された。
LinuxArena：実稼働ソフトウェア環境におけるAIエージェントの制御設定 [cs.CR, cs.AI, cs.SE]目的：実稼働環境におけるAIエージェント制御のためのテストベッド
- ソフトウェア開発におけるAIの活用は進むが，安全性と信頼性の確保が課題である。
- 既存のテスト環境では，実環境の複雑さを再現できず，実用的な検証が困難である。
- 実稼働環境での攻撃と防御を評価できる，大規模かつ多様なテスト環境を構築すること。
- LinuxArenaは，20の環境，1,671の主要タスク，184のサイドタスクを含む，ソフトウェアエンジニアリング分野で最大かつ多様な制御設定である。
- Claude Opus 4.6は，1%の誤検知率のGPT-5-nano監視モデルに対し，約23%の検出されない妨害成功率を示した。
- 人間が作成した攻撃経路データセットLaStrajは，モデル生成の攻撃よりも高い確率で監視を回避することから，LinuxArenaには更なる発展の余地があることが示唆された。
プロンプト駆動型コード要約：体系的文献レビュー [cs.SE, cs.LG]目的：プロンプト駆動型コード要約に関する既存研究の整理と分類
- ソフトウェア開発において，コード理解，開発者の参入，コードレビューは不可欠であり，高品質なドキュメントが重要である。
- 手動によるドキュメント作成は時間がかかり，不完全または矛盾した結果になりやすいという課題がある。
- 大規模言語モデルを用いたコード要約における最適なプロンプト戦略の特定と，評価方法の標準化を目指す。
- 本レビューでは，プロンプト設計がLLMの性能に大きく影響することを確認した。
- Few-shot prompting，Chain-of-Thoughtなどの様々なプロンプト戦略を分類し，その有効性を比較検討した。
- 現在の研究は断片的であり，セマンティックな質を捉えられないオーバーラップベースの評価指標が主流であるという課題を指摘した。
LLMベースのVerilogコード生成：データ効率の良いファインチューニングとテストベンチ自動化の探求 [cs.AR, cs.AI]目的：LLMベースのVerilogコード生成における，データ効率の良いファインチューニングとテストベンチ自動化
- ハードウェア設計の複雑化に伴い，自動化による設計効率向上の需要が高まっている。
- ハードウェア記述言語の学習データやテストベンチの作成は，時間と労力を要する課題である。
- データ不足を克服し，Verilogコード生成の性能向上と検証の自動化を目指す。
- マルチエージェントモデルを用いたテストベンチの自動生成により，高品質なファインチューニングデータを得ることを可能にした。
- 生成されたデータを用いたファインチューニングにより，VerilogEval v2ベンチマークにおいて，既存手法と同等の性能を少ないデータ量で達成した。
- LLMベースのHDL生成および自動検証に関する将来の研究の基盤を提供する。
制御フローコード難読化解除における思考の連鎖（CoT）アプローチの分析 [cs.SE, cs.AI]目的：制御フロー難読化解除の品質向上
- ソフトウェアのセキュリティ確保のため，難読化されたコードの解析が不可欠である。
- 従来の難読化解除は手作業に頼ることが多く，時間とコストがかかるという課題がある。
- 大規模言語モデルとCoTを活用し，難読化解除の自動化と効率化を目指す。
- 思考の連鎖（CoT）プロンプトは，単純なプロンプトと比較して，コード難読化解除の品質を大幅に向上させる。
- 特にGPT5は，制御フローグラフの再構成において約16％，意味的保存において約20.5％の平均的な改善が見られた。
- 難読化レベル，難読化ツール，および元の制御フローグラフの複雑さがモデルの性能に影響を与えることが示された。
物理情報ニューラルネットワークの訓練のための軽量幾何学的適応 [cs.LG, cs.AI, stat.ML]目的：物理情報ニューラルネットワークの訓練における収束性，安定性，および精度向上
- 偏微分方程式のシミュレーションは科学技術の発展に不可欠であり，その高速化が求められている。
- 物理情報ニューラルネットワークは，複雑な損失地形のために収束が遅く，訓練が不安定になりやすいという課題がある。
- セカント情報に基づく適応予測補正により，訓練の効率と精度を改善することを目指す。
- 提案手法は，既存の最適化手法に容易に組み込むことができ，計算コストも低い。
- 様々な偏微分方程式のベンチマークにおいて，標準的な最適化手法や既存の手法と比較して，収束速度，訓練の安定性，解の精度が向上した。
- 特に，高次元熱方程式，Gray-Scott系，Belousov-Zhabotinsky系，2D Kuramoto-Sivashinsky系において顕著な改善が見られた。
離散変分公式と配置法に基づくロバスト変分物理情報ニューラルネットワーク(DVF-CRVPINN)をサポートするPythonライブラリ [cs.RO, cs.LG, cs.NA, math.NA]目的：偏微分方程式の離散弱形式による解法
- 工学や科学における様々な現象は偏微分方程式で記述され，その数値解法は重要である。
- 従来の数値解法は計算コストが高く，複雑な形状への適用が困難な場合がある。
- ニューラルネットワークを活用し，効率的かつロバストな偏微分方程式の解法を開発する。
- 離散弱形式を定義するためのPython環境を構築し，クロネッカーのデルタ関数を用いた離散的アプローチを提案した。
- この環境上で，離散化されたStokes方程式の解をニューラルネットワークを用いて訓練し，良好な結果を得た。
- 提案手法は損失関数のwell-posednessとロバスト性を数学的に証明し，数値誤差の制御が可能であることを示した。
Transformer生成における幻覚：軌跡コミットメントとしての因果的証拠，非対称アトラクタ動力学 [cs.LG, cs.AI, cs.CL]目的：自己回帰型言語モデルにおける幻覚の発生メカニズムの解明
- 大規模言語モデルの性能向上に伴い，その信頼性が重要視されている。
- 言語モデルは，事実に基づかない内容（幻覚）を生成することが課題となっている。
- 幻覚の発生メカニズムを特定し，その抑制策を開発することを目指す。
- 幻覚は，生成開始直後の軌跡コミットメントによって生じることが示唆された。
- 活性パッチング実験から，幻覚活性の注入は正解軌跡を腐敗させやすく，逆は回復しにくい非対称性が確認された。
- プロンプトエンコーディングのステップ0残差状態は，幻覚発生率と高い相関を示し，アトラクタ盆地がプロンプトエンコーディングで固定されることが示唆された。
剪定されたVision Transformerのためのディスパッチ認識ラグド注意機構 [cs.LG, cs.AI]目的：Vision Transformerにおけるトークン剪定による注意計算の効率化
- Vision Transformerは画像認識分野で重要な役割を果たしており，計算効率の改善は不可欠である。
- トークン剪定は計算量を削減するが，実際の処理速度向上には繋がっていない。
- ディスパッチオーバーヘッドのボトルネックを解消し，剪定による速度向上の実効性を高める。
- 提案手法は，既存のFlashAttention-2 varlenよりもディスパッチフロアを低減することに成功した。
- 4つの剪定アルゴリズムで一貫して，padded PyTorch SDPAと比較して最大2.24倍の処理速度向上を達成した。
- DeiT-T/S/Bモデルで拡張可能であり，分類精度を維持しながら計算効率を改善できる。
KVキャッシュにおけるFP16精度の体系的なずれ：自己回帰推論における等価性の錯覚 [cs.LG, cs.AI]目的：FP16精度におけるKVキャッシュ使用時の体系的な数値ずれの存在
- 大規模言語モデルの推論効率化は，実用的な応用において重要な課題である。
- FP16精度でKVキャッシュを使用する際に，計算順序の違いによる数値誤差が生じうる。
- KVキャッシュとキャッシュなしの計算結果のずれを特定し，その原因を解明すること。
- FP16精度では，KVキャッシュを使用した場合と使用しなかった場合で，デコードされるトークン系列が100%異なることが確認された。
- KVキャッシュを使用した場合の方が，8/9の条件下でより高い精度を示し，ずれの方向性が系統的であることを示唆している。
- FP32精度で計算を行うことでずれを大幅に減らすことができ，FP16の非結合性こそが主な原因であることが確認された。
PRL-Bench：最先端物理学研究におけるLLMの能力を評価するための包括的ベンチマーク [cs.LG, cs.AI, physics.data-an]目的：LLMによる物理学研究の実行能力の限界を体系的に評価するベンチマーク
- 科学研究の自動化は，新たな発見を加速し，人類の知識を拡張する上で重要である。
- 既存の科学的ベンチマークは，探索的な性質や実際の研究プロセスの複雑さを評価できていない。
- LLMが自律的に物理学研究を実行するための能力を評価し，その限界を明らかにする。
- PRL-Benchは，Physical Review Lettersの最新論文100件を基に構築され，専門家によって検証された。
- 評価の結果，最先端モデルの性能は50%を下回っており，現在のLLMと実際の科学研究の要求の間には大きな隔たりがあることが示された。
- PRL-Benchは，次世代のAI科学者を開発するための信頼できるテストベッドとなる。
単一モデル最適化を超えて：継続的強化学習における可塑性の維持 [cs.LG, cs.AI, cs.NE]目的：継続的強化学習における可塑性維持のメカニズム
- 強化学習は多様な課題への対応が求められるが，学習済み知識の忘却が課題となる。
- 既存手法は単一のモデルを維持することに偏り，干渉後の適応が困難になる場合がある。
- 多様な行動ポリシーを保持し，知識の再利用を促進することで，適応能力の向上を目指す。
- 提案手法TeLAPAは，タスクごとの行動ポリシーのアーカイブを構築し，潜在空間を共有することで，ポリシーの比較と再利用を可能にする。
- MiniGrid CL環境において，TeLAPAはより多くのタスクを成功させ，干渉後のタスク再訪時に迅速に能力を回復し，タスクシーケンス全体で高い性能を維持する。
- 最適なポリシーは必ずしも転移に最適ではなく，複数の代替案を保持・選択することが有効であることが示された。
有害スキルベンチマーク：スキルがエージェントを悪用する可能性 [cs.CR, cs.AI]目的：エージェントエコシステムにおける有害なスキルの大規模測定と評価
- LLMを搭載した自律エージェントの利用拡大に伴い，スキルエコシステムの安全性確保が重要課題となっている。
- 既存研究はスキル自体の脆弱性に焦点を当て，有害な目的で悪用されるスキルの問題には十分な対策が講じられていない。
- エージェントの安全性評価のためのベンチマークを構築し，有害スキルによるリスクを定量的に明らかにすることを目指す。
- 大規模なスキル測定の結果，約4.93%のスキルが有害であり，ClawHubの方がSkills.Restよりも有害スキルの割合が高いことが判明した。
- HarmfulSkillBenchを用いて6つのLLMを評価した結果，有害なタスクをインストール済みのスキルを通して提示することで，拒否率が大幅に低下し，有害性が増大することが示された。
- 特に，ユーザーからの明示的な要求ではなく，暗示的な意図の場合には，その傾向が顕著であり，安全性の課題が浮き彫りになった。
StoSignSGD：構造的確率的摂動が大規模言語モデルのSignSGDの不安定性を修正する [cs.LG, cs.AI, math.OC]目的：大規模言語モデルの訓練におけるSignSGDの不安定性改善
- 分散学習や大規模モデル訓練において，SignSGDのような符号ベース最適化アルゴリズムは重要性が増している。
- SignSGDはReLUやmax-poolingなどの非滑らかな関数を含む目的関数で発散しやすいという課題があった。
- 構造的確率的摂動を導入することでSignSGDの非収束問題を解決し，安定した訓練を可能にすることを目標とする。
- StoSignSGDは，凸最適化においてSignSGDの収束率と同等の優れた収束性を示すことが理論的に証明された。
- 非凸非滑らかな最適化においても，既存手法よりも次元数に応じた複雑性向上が確認された。
- FP8事前学習や7B LLMの数学的推論タスクにおいて，AdamWやSignSGDと比較して安定性と性能が向上した。
基礎最適化埋め込みからの転移学習：教師なしSAT表現への応用 [cs.HC, cs.CY, cs.LG, cs.AI, cs.LO]目的：基礎最適化埋め込みを用いたSATインスタンスの構造的規則性の把握と，教師なしタスクへの応用
- 最適化問題解決において，効率的な表現学習が重要視されており，性能向上に貢献する。
- SAT問題における表現学習は，問題の構造を捉えきれておらず，汎化性能が課題である。
- 最適化問題で学習済みの埋め込みをSAT問題へ転移させ，表現学習の有効性を検証する。
- 基礎最適化埋め込みは，SATインスタンスにおける構造的規則性を捉えることが示された。
- これにより，インスタンスのクラスタリングや分布識別といった教師なしタスクが実現可能となった。
- 最適化問題の埋め込みが，制約充足問題にも転移できる可能性が示唆された。
1次元の順序付きトークンが効率的なテスト時探索を可能にする [cs.CV, cs.AI, cs.LG]目的：テスト時探索における生成の制御能力に対するトークン構造の影響
- 自己回帰型生成モデルにおいて，トークン化はデータ処理の基礎であり，効率的なモデル構築に不可欠である。
- 既存のトークン構造では，テスト時探索の効率性や生成の制御が十分でない場合がある。
- 1次元の順序付きトークンが，テスト時探索においてより優れた性能を発揮することを検証する。
- 粗い順序から細かい順序へのトークン化を用いることで，テスト時のスケーリング性能が向上することが示された。
- 訓練済みの自己回帰モデルに頼らず，トークン系列に対する純粋なテスト時探索によって，画像とテキストの検証器を用いたテキストからの画像生成が可能になった。
- 様々な探索アルゴリズムと検証器が，トークン構造にどのように影響するかを体系的に分析し，実用的な指針を提供した。
DeepER-Med：エージェント型AIによる医学における深層エビデンスに基づく研究の推進 [cs.RO, cs.AI]目的：医学研究における深層エビデンスに基づく研究の枠組みと，それを実現するエージェント型AIシステム
- 医療分野でのAI活用には，信頼性と透明性が不可欠であり，エビデンスに基づいた研究が重要である。
- 既存システムはエビデンス評価の基準が明確でなく，誤りが積み重なり，信頼性評価が困難である。
- 複雑な医療質問への対応と，エビデンスに基づいた信頼性の高い研究支援を目指す。
- DeepER-Medは，研究計画，エージェント連携，エビデンス統合の3モジュールで構成され，透明性の高い研究フローを実現する。
- DeepER-Medは，既存の高性能プラットフォームと比較して，専門家による評価において一貫して優れた性能を示した。
- 臨床医による評価では，DeepER-Medの結論が臨床推奨と一致するケースが多く，医療研究・意思決定支援への応用が期待される。
LLMの進化は英語学習者の作文を助けるのか：世代による影響の検証 [cs.HC, cs.AI]目的：英語を外国語とする生徒の作文におけるLLMの支援効果と限界
- グローバル化が進む現代社会において，英語力は不可欠であり，効果的な英語学習法の確立が求められている。
- LLMは作文支援ツールとして普及しているが，学習者の真の能力向上に繋がるのか疑問が残る。
- LLMの進化が英語学習者の作文に与える影響を検証し，効果的な活用法を模索する。
- 高度なLLMは，英語下位レベルの学習者の評価スコアと語彙の多様性を向上させる。
- しかし，LLMの支援度合いが増すと，専門家による評価は低下し，表面的な流暢さのみが見られる。
- AI支援学習を真の学習に転換するには，アウトプットの質ではなく，学習プロセスを確認する教育法への転換が必要である。